面向开放银行的联邦学习
分布式、并行与集群计算
2021-08-25 v1 机器学习
摘要
开放银行使个人客户能够拥有自己的银行数据，这为促进数据市场和金融服务新生态系统的繁荣提供了基础性支持。在不久的将来，可以预见金融领域将利用联邦学习实现去中心化的数据所有权。这是一项恰逢其时的技术，能够以去中心化的训练方式学习智能模型。联邦学习最吸引人的方面在于，它能够在不收集私有数据的情况下，将模型训练分解到中心服务器和分布式节点上。这种分解式学习框架在保护用户隐私和敏感数据方面具有巨大潜力。因此，联邦学习与开放银行数据市场自然结合。本章将讨论在开放银行背景下应用联邦学习可能面临的挑战，并探讨了相应的解决方案。
引用
@article{arxiv.2108.10749,
title = {Federated Learning for Open Banking},
author = {Guodong Long and Yue Tan and Jing Jiang and Chengqi Zhang},
journal= {arXiv preprint arXiv:2108.10749},
year = {2021}
}